多模型路由实测：同成本下 LLM 错误率直降 46%
SucceededMind · x · 2026-09-04
Martian 发布「AI Frontier」研究：在 16 个常用 benchmark（TerminalBench、LiveCodeBench 等）上，跨模型路由比单一最强模型减少 46% 错误，且成本不变。配套发布了交互式网站与学术论文。
关键发现：
- 标价 API 定价多为虚标：真实工作负载下 Kimi 实际比标价贵，GPT-5.4 反而更便宜
- 隐藏方差才是杀手：同一 prompt 跑 10 次测稳定性——Qwen3.7 Max 96.1%、Claude Opus 4.6 94.4%、GPT-5.5 93.5% 可靠
- 在 agent 工作流中，一次随机失败就会打断整条链路，不应把系统押在单一 API 上
所属事件:Martian 发布 AI Frontier：44 模型路由同等成本降错近半(8 条相关)→
「编程与Agent」频道最新
- 先用设计系统再生成：一个避免 AI 前端「千篇一律」的实用方法 — dotey · 2026-10-21
- 给文档抽取加信任滑杆:102 条送人工就拦下 74 个错 — michellechen · 2026-10-21
- 开发者推出广告支持的免费编程助手 FreePi,挑战 20 美元月费订阅模式 — heyneighbor · 2026-10-21
- RedMonk:MCP/A2A 只验证发布者不担保安全,注册表成 AI agent 信任关键 — rseroter · 2026-10-21
- AI 跑长循环 600 个 PR：OpenClaw 前端从 Lit 迁到 Solid 2.0 — steipete · 2026-10-21
- 18 个 agent 协作写 Lisp 解释器,19 组运行观测数据开源上架 Hugging Face — strickvl · 2026-10-21